Minibach kmeans 方法

kmeans是一个基本的聚类方法，相信学过数据挖掘的都会懂这个算法

不过kmeans在数据量大的情况下会导致计算时间过长的问题，

所以自然而然的就会有相应的提高计算速度的方法出现

其实跟随机梯度下降的方法类似，也就是minibatch方法，基本上都一样

随机梯度下降是使用随机的样本来计算下降的梯度，而不是使用全局梯度

这个好处就是计算快，坏处就是局部梯度可能导致方向不准确，但是在大数据下准确度可以接受

特别是在实时性要求高的应用中，降低点准确性没关系，要快速返回结果

kmeans的minibatch其实也差不多，就是在重新计算中心点的时候

使用随机抽样的方式，选择一部分样本来计算中心点

也会带来一定的准确性下降，但是可以提高计算速度，能够处理更大的数据

其实minibatch的方式应用非常广泛，在深度学习中也会用这样的方法来提高训练速度

这也就是一个小小的技巧